[发明专利]一种多功能麻醉科用麻醉深度监测装置

摘要

本发明属于医疗器械技术领域，公开了一种多功能麻醉科用麻醉深度监测装置，所述多功能麻醉科用麻醉深度监测装置包括：脑信号采集模块、数据传输模块、主控模块、数据存储模块、皮层活动性计算模块、平衡麻醉深度计算模块、傅里叶变换模块、显示模块。本发明通过脑信号采集模块实时监护病人的脑电信号，通过数学模型计算得到麻醉深度指数，能够定量监护病人麻醉程度，从而避免病人麻醉过量和麻醉不足带来的临床风险。同时本发明具有在临床应用最广泛的阿片类与吸入或静脉全麻药复合麻醉下麻醉深度监测更准确的优点；它保留了单纯吸入或静脉全麻药下麻醉深度监测的准确性。

主权项

1.一种多功能麻醉科用麻醉深度监测装置，其特征在于，所述多功能麻醉科用麻醉深度监测装置包括：脑信号采集模块，与主控模块连接，用于采集脑电信号数据信息并通过数据传输模块发送给主控模块；数据传输模块，与主控模块连接，用于将脑信号采集模块采集的模拟信号转化数字信号发送给主控模块；主控模块，与脑信号采集模块、数据传输模块、数据存储模块、皮层活动性计算模块、平衡麻醉深度计算模块、傅里叶变换模块、显示模块连接，用于对脑信号采集模块采集的数据进行处理分析，并调度各个模块进行正常工作；数据存储模块，与主控模块连接，用于对采集的脑电信号数据进行存储；所述数据存储模块的一阶无线电能量消耗模型：传感器节点能耗可以分为发射信号能耗、接收信号能耗和聚合数据能耗。如果节点到其接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型。从而发射l比特数据到距离为d的接收点的能量消耗如下：其中Eelec为电路消耗,εfs和εmp分别是自由空间信道模型和多路径衰减信道模型的功率放大器的损耗系数。阈值d0的计算由下式决定：接收l比特数据能耗：Erx＝l×Eelec；由于压缩感知理论应用于无线传感器网络，传感节点可以实现数据采集和压缩同时进行，直接得到已压缩的数据，故对采集的数据不进行融合，实行透明传输，节省融合数据能耗；皮层活动性计算模块，与主控模块连接，用于接收主控模块获取傅里叶变换模块的输出数据，并实现皮层活动性子参数的计算；平衡麻醉深度计算模块，与主控模块连接，用于接收皮层活动性计算模块输出的子参数，通过计算得到平衡麻醉深度BDA；傅里叶变换模块，与用于对模数转换模块转换后的数字脑电信号进行傅里叶变换；得到脑电信号的各频点的功率值，并发送给主控模块；所述脑电信号的具体处理方法包括：步骤一，采集n位实验者想象两类不用运动的EEG信号,分别求得每位实验者的训练数据的协方差；步骤二，引入正则化参数α和β，在正则化参数的作用下，将主试者的协方差矩阵之和与次试者的协方差矩阵之和相结合，构造两类不同运动想象空间滤波器,保留滤波后的训练数据，提取两类特征最大化的向量，构造学习字典；具体包括：分别求出主试者的A类和B类训练样本的协方差矩阵之和R_A与R_B，所有次试者A类和B类训练样本的协方差矩阵之和与构造两类平均正则化协方差矩阵，公式如下所示：其中，N为采集通道数，I为n阶单位阵，tr为矩阵的迹，即：矩阵的所有主对角线上的元素之和；对正则化协方差矩阵之和进行特征值分解，求得白化矩阵P:其中，为Z的特征值对角矩阵，为对应的特征向量矩阵；对所得Z进行如下变换:其中，Λ为特征值对角矩阵，U为对应的特征向量矩阵，选取对角阵Λ中最大特征值对应的特征向量，构造空间滤波器如下：W＝UT·P；将训练样本的两类EEG信号XA和XB经过相应的滤波器WA、WB，有：FA＝WAT·XAFB＝WBT·XB再经过傅里叶变换，求取频率在8—15Hz的功率谱密度值，作为稀疏表征的学习字典B＝[FA FB]；步骤三，输入测试运动想象数据，按照步骤二进行空间滤波，并保留滤波后的测试数据；步骤四，运用信号的稀疏表征方法，对测试运动想象数据进行识别，确定测试样本所属的类别；包括以下步骤：按下式求解测试样本的稀疏表示向量：其中，x为待求解的测试运动想象样本的稀疏表示向量，y为待求解的测试运动想象样本数据，ε为误差阈值，B为由两类特征向量构成的学习字典；针对每一次运动想象i，根据测试样本的稀疏表示向量计算残差其中是由稀疏表示向量得到的新向量，在该向量中，第i类运动想象所对应的元素项与稀疏表示向量中相应的元素项相同，其他元素项均为零；用残差最小的类别作为最终的运动想象类别的识别结果：是测试样本数据；显示模块，与主控模块连接，用于对平衡麻醉深度进行显示。